Profesor: Rafael Caballero Roldán

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Profesor: Rafael Caballero Roldán"

Transcripción

1 Contendo: 5 Restrccones de ntegrdad 5 Restrccones de los domnos 5 Integrdad referencal 5 Conceptos báscos 5 Integrdad referencal en el modelo E-R 53 Modfcacón de la base de datos 53 Dependencas funconales 53 Cerre de un conjunto de dependencas funconales 53 Cerre de un conjunto de atrbutos 533 Recubrmentos mínmos de dependencas funconales 54 Dependencas multvaloradas 54 Reglas de nferenca para las dependencas multvaloradas 54 Resumen Bblografía 5 Restrccones de ntegrdad En este tema se trata uno de los aspectos más mportantes para añadr consstenca a los dseños de bases de datos: son las restrccones de ntegrdad que ayudan a mantener la consstenca semántca de los datos Además de las restrccones de ntegrdad defndas por las claves y las restrccones de cardnaldad y partcpacón estudadas en el modelo entdad-relacón, se tratan las restrccones de los domnos, la ntegrdad referencal, las dependencas funconales y las dependencas multvaloradas, así como la forma de mplementarlas medante asertos y dsparadores Las restrccones de ntegrdad proporconan un medo de asegurar que las modfcacones hechas a la base de datos por los usuaros autorzados no provoquen la pérdda de la consstenca de los datos Protegen a la base de datos contra los daños accdentales Tpos de restrccones de ntegrdad: Declaracón de claves (prmaras, canddatas) Cardnaldad de la relacón de varos a varos, de uno a varos, de uno a uno Partcpacón mín/máx Restrccones de los domnos Integrdad referencal Dependencas funconales Dependencas multvaloradas Los asertos y dsparadores permten mplementar restrccones de ntegrdad 5 Restrccones de los domnos Las restrccones de los domnos son la forma más smple de restrccón de ntegrdad Se especfca para cada atrbuto un domno de valores posbles Una defncón adecuada de las restrccones de los domnos no sólo permte verfcar los valores ntroducdos en la base de datos sno tambén examnar las consultas para asegurarse de que tengan sentdo las comparacones que hagan Por ejemplo, normalmente no se consderará que la consulta Hallar todos los clentes que tengan el nombre de una sucursal tenga sentdo Por tanto, nombre-clente y nombre-sucursal deben tener domnos dferentes

2 La cláusula check de SQL:999 permte restrngr los domnos de maneras poderosas que no permten la mayor parte de los sstemas de tpos de los lenguajes de programacón La cláusula check permte especfcar un predcado que debe satsfacer cualquer valor asgnado a una varable cuyo tpo sea el domno Por ejemplo: Número de cfras Número de decmales create doman sueldo-por-hora numerc(4,) constrant comprobacón-valor-sueldo check(value 600) Restrccones de exstenca Dentro de las restrccones de los domnos, un tpo especal de restrccón que se puede aplcar a cualquer domno es la restrccón de exstenca Esta restrccón evta la aparcón de valores nulos en las columnas Restrccones de uncdad Otro tpo especal de restrccón que se puede aplcar a cualquer domno es la restrccón de uncdad Esta restrccón evta la aparcón de valores duplcados en las columnas Por ejemplo: Sólo se admte una sucursal en cada cudad CREATE TABLE Sucursales (nombre-sucursal VARCHAR(0), cudad-sucursal VARCHAR(0) NOT NULL, - Restrccón de exstenca PRIMARY KEY(nombre-sucursal) UNIQUE (cudad-sucursal)) - Restrccón de uncdad 5 Integrdad referencal La ntegrdad referencal permte asegurar que un valor que aparece en una relacón para un conjunto de atrbutos determnado aparezca tambén en otra relacón para un certo conjunto de atrbutos 5 Conceptos báscos Sean un par de relacones r(r) y s(s) y la reunón natural r x s Puede haber una tupla t r de r que no se reúna con nnguna tupla de s Es decr, no hay nngún t s en s tal que t r [R S] = t s [R S] Estas tuplas se denomnan colgantes Las tuplas colgantes pueden ser aceptables en funcón del conjunto de entdades o de relacones que se esté modelando La reunón externa permte operar con relacones que contengan tuplas colgantes Sean r (R ) y r (R ) dos relacones con las claves prmaras K y K, respectvamente Se dce que un subconjunto α de R es una clave externa que hace referenca a K de la relacón r s se exge que para cada t de r haya una tupla t de r tal que t [K ] = t [α] Las exgencas de este tpo se denomnan restrccones de ntegrdad referencal o dependenca de subconjunto

3 La denomnacón dependenca de subconjunto se debe a que esta últma restrccón de ntegrdad referencal puede escrbrse como Π α r ) Π ( ) ( K r Obsérvese que, para que una restrccón de ntegrdad referencal tenga sentdo, α debe ser gual a K, o ben α y K deben ser conjuntos compatbles de atrbutos 5 Integrdad referencal en el modelo E-R Las restrccones de ntegrdad referencal aparecen con frecuenca S se obtene el esquema de la base de datos relaconal creando tablas a partr de los dagramas E-R, cada relacón que proceda de un conjunto de relacones tendrá restrccones de ntegrdad referencal Sea un conjunto N-aro de relacones R, que relacona los conjuntos de entdades E, E,, E n K denota la clave prmara de E Los atrbutos del esquema de la relacón del conjunto de relacones R ncluyen K K K n Cada K del esquema de R es una clave externa que lleva a una restrccón de ntegrdad referencal Otra fuente de restrccones de ntegrdad referencal son los conjuntos de entdades débles Un conjunto de entdades débles debe nclur la clave prmara del conjunto de entdades del que éste depende Por tanto, el esquema de la relacón de cada conjunto de entdades débles ncluye una clave externa que lleva a una restrccón de ntegrdad referencal 53 Modfcacón de la base de datos La modfcacón de la base de datos puede ocasonar volacones de la ntegrdad referencal Para la restrccón de ntegrdad referencal Π α (r ) Π K (r ) se descrbe la comprobacón que debe hacerse para cada tpo de modfcacón de la base de datos: Insertar S se nserta una tupla t en r, el sstema debe asegurar que hay una tupla t de r tal que t [K] = t [α] Es decr, t [α] Π K (r ) Borrar S se borra una tupla t de r el sstema debe calcular el conjunto de tuplas de r que hacen referenca a r : σ [ K] ( ) α=t r S este conjunto no es el conjunto vacío, o ben se rechaza la orden borrar como error, o ben se deben borrar las tuplas que hacen referenca a t La últma solucón puede llevar a borrados en cascada, dado que las tuplas pueden hacer referenca a tuplas que hagan referenca a t, etcétera Actualzar Hay que consderar dos casos: las actualzacones de la relacón que realza la referenca (r ) y las actualzacones de la relacón a la que se hace referenca (r ) 3

4 - S se actualza la tupla t de la relacón r y esta actualzacón modfca valores de la clave externa α, se realza una comprobacón parecda al del caso de la nsercón t denota el nuevo valor de la tupla t El sstema debe asegurar que t [α] Π K (r ) - S se actualza la tupla t de la relacón r y esta actualzacón modfca valores de la clave prmara (K), se realza una comprobacón parecda al del caso del borrado El sstema debe asegurar que σ [ K] ( ) α=t r utlzando el valor anteror de t (el valor antes de que se lleve a cabo la actualzacón) S este conjunto no es el conjunto vacío, la actualzacón se rechaza como error o se ejecuta en cascada de manera parecda al borrado 53 Dependencas funconales Una dependenca funconal (DF) es una propedad semántca de un esquema de relacón que presentan las tuplas váldas de la relacón que determna para cada valor de un conjunto de atrbutos X el valor de otro conjunto de atrbutos Y Es decr, dada una tupla t de la relacón con un valor para X y otro para Y, s aparece otra tupla t con el msmo valor para X, entonces esta tupla debe tener el msmo valor en Y que t Ejemplo En la sguente relacón se combnan los datos de los empleados, como su códgo de dentfcacón y nombre, y de los centros a los que están adscrtos, como la dreccón y el teléfono Empleados_Centros Id_empleado NombreE DreccónE Puesto Salaro Centro DreccónC TeléfonoC 3A Ana Almansa c/ Argentales Profesor 0000 Informátca c/ Complutense 3 0D Davd Díaz c/ Daroca Ayudante 0000 Informátca c/ Complutense 3 789C Carlos Crespo c/ Cruz Catedrátco Empresarales c/ Coruña 789 En este ejemplo se muestra gráfcamente que el valor del conjunto de campos DreccónC y TeléfonoC depende del valor del campo Centro En concreto, a un centro en partcular le corresponden unívocamente una dreccón y un teléfono Es decr, cada vez que aparezca una fla con el valor Informátca para Centro, sempre le corresponderá los msmos valores para los campos DreccónC y TeléfonoC Se dce entonces que tanto DreccónC como TeléfonoC son dependentes funconalmente de Centro Por cada fla con un msmo valor de Centro se repten los valores DreccónC y TeléfonoC, lo que mplca una redundanca de valores no deseable que se estudará más adelante en la normalzacón de relacones La valdez de una relacón con respecto a las DF se nterpreta desde el sgnfcado que el dseñador asoca a la relacón Por tanto, una DF no se puede nferr de una relacón, sno que se debe defnr explíctamente sobre los atrbutos de la relacón conocendo 4

5 perfectamente su semántca Una DF defne los estados consstentes de una relacón en funcón de las dependencas entre los valores de los atrbutos A contnuacón se proporcona una defncón más formal de las dependencas funconales Defncón Dependencas funconales = A n el esquema unversal de la base de datos relaconal, es decr, el conjunto de todos los atrbutos que pueden defnrla y r una nstanca del esquema R Una dependenca funconal X Y (los valores de X determnan unívocamente (o funconalmente) los valores de Y ) entre dos conjuntos de atrbutos X e Y, tales que X, Y R especfca la sguente restrccón: t, t r tales que t [ X] = t[ X], entonces t [ Y] = t[ Y] X se denomna antecedente e Y consecuente En otras palabras, quere decr que los componentes Y de cada tupla de r están determnados unívocamente por los valores de X Sea R { A,, } K Observacones: - X Y no mplca necesaramente Y X Ejemplo { NIF} { Nombre} Sn embargo, no es certo { Nombre} { NIF} puesto que se pueden repetr nombres para dferentes personas No se debe confar en general en la dependenca funconal { NIF} { Nombre} porque en la práctca tambén hay NIF repetdos Por ello, en las bases de datos generalmente se usa un dentfcador propo que dentfca unívocamente cada tupla asocada a una persona - Una dependenca funconal determna una relacón uno a varos entre dos conjuntos de atrbutos: N X : Y, es decr: Para un valor de X sólo puede haber un valor de Y, pero para un valor de Y habrá en general varos de X Por lo tanto, una dependenca funconal se puede observar como una restrccón de cardnaldad entre conjuntos de atrbutos de una msma relacón Ejemplo 3 Empleados_Centros Id_empleado NombreE DreccónE Puesto Salaro Centro DreccónC TeléfonoC 3A Ana Almansa c/ Argentales Profesor 0000 Informátca c/ Complutense 3 0D Davd Díaz c/ Daroca Ayudante 0000 Informátca c/ Complutense 3 789C Carlos Crespo c/ Cruz Catedrátco Empresarales c/ Coruña 789 X Corolaro - Una restrccón de cardnaldad de uno a varos entre dos esquemas de relacón R y R con superclaves X R e Y R se especfca con la dependenca funconal X Y en una nueva relacón R 3 Ejemplo 4 Y 5

6 Empleados_Centros Id_empleado NombreE DreccónE Puesto Salaro Centro DreccónC TeléfonoC 3A Ana Almansa c/ Argentales Profesor 0000 Informátca c/ Complutense 3 0D Davd Díaz c/ Daroca Ayudante 0000 Informátca c/ Complutense 3 789C Carlos Crespo c/ Cruz Catedrátco Empresarales c/ Coruña 789 X Y - Una restrccón de cardnaldad de uno a uno entre dos esquemas de relacón R y R con superclaves X R e Y R se especfca con las dependencas funconales X Y e Y X en un nuevo esquema de relacón R 3 No obstante, las relacones uno a uno se mplementan generalmente como un atrbuto de la relacón - Una superclave se puede defnr en térmnos de dependencas funconales S es superclave del esquema de relacón R s S R y S R Es decr, s t, t r tales que t [ S] = t[ S], entonces t [ R] = t[ R], lo cual mplca t = t porque deben concdr en todos sus atrbutos, por lo que se está hablando de la msma tupla Ejemplo 5 Las sguentes son dependencas funconales de la tabla anteror: Id _ empleado NombreE, DreccónE, Puesto, Salaro, Centro, DreccónC, TeléfonoC { Centro } { DreccónC, TeléfonoC} { DreccónC } { Centro, TeléfonoC} TeléfonoC Centro, DreccónC { } { } { } { } A partr de la defncón de DF se puede defnr el concepto de satsfaccón de DF Defncón Satsfaccón de dependencas funconales Una relacón r con esquema R satsface una dependenca funconal X Y, con X, Y R, s todas las tuplas de r satsfacen t, t r tales que t [ X] = t[ X], entonces t [ Y] = t[ Y] La comprobacón de la satsfaccón de dependencas funconales es necesara en casos como la mgracón de datos o la actualzacón de sstemas heredados Bajo esta defncón se pueden proponer algortmos sencllos para comprobar la satsfaccón de un conjunto de dependencas funconales de una relacón r, o para comprobar la valdez de la nsercón de una tupla Algortmos para la comprobacón de ntegrdad defnda por un conjunto de dependencas funconales Algortmo a) Algortmo para comprobar la ntegrdad de una relacón con respecto a un conjunto de dependencas funconales Entrada: relacón r con un conjunto enumerable de tuplas r, = Kn y conjunto enumerable D de dependencas funconales for := to n- for j:= to n for k:= to m d t = X Y, d D, = Km 6

7 f t [ X ] = t [ X ] and [ Y ] t [ Y ] k j k t then k j Valores nconsstentes de t y t j debdo a DF d k Algortmo b) Algortmo para comprobar la ntegrdad de la nsercón de una tupla en una relacón con respecto a un conjunto de dependencas funconales Entrada: relacón r con un conjunto enumerable de tuplas t r, = Kn, una tupla t para nsertar en r y un conjunto enumerable D de dependencas funconales d = X Y, d D, = Km for := to n for j:= to m X t X f t [ ] = [ ] and [ Y ] t [ Y ] j j t then j j Valores nconsstentes de t y t debdo a la DF d j Las dependencas funconales representan restrccones de ntegrdad que el sstema de gestón de bases de datos debe asegurar Así que, dado un certo conjunto D de dependencas funconales, es deseable encontrar otro conjunto E que sea lo menor posble que D de manera que cada d D se deduzca de E, con el objetvo de que el coste de mantener la ntegrdad defnda en D se reduzca con E Éste es un objetvo de gran nterés práctco al que se dedca el resto del apartado Una de las maneras de reducr el coste del aseguramento de la consstenca medante dependencas funconales es elmnar las que no aportan nada semántcamente, es decr, son dependencas funconales que cumple cualquer tupla Defncón 3 Dependencas funconales trvales Una dependenca funconal X Y es trval s y sólo s Y X Esto sólo dce que s dos tuplas concden en una sere de atrbutos, entonces concden (obvamente) en un subconjunto de esos msmos atrbutos Se denomna trval porque no aporta nnguna restrccón al esquema de relacón En general nteresará encontrar el conjunto mínmo de dependencas funconales que sea semántcamente equvalente (asegure el msmo nvel de ntegrdad) a un conjunto dado de dependencas funconales aportadas por el dseñador de la base de datos 53 Cerre de un conjunto de dependencas funconales Defncón 4 Cerre de un conjunto de dependencas funconales El cerre de un conjunto de dependencas funconales S, denotado S, es el conjunto de todas las dependencas defndas ntensonalmente por S En otras palabras, es el conjunto de todas las dependencas funconales que se pueden deducr de S Este concepto es mportante para poder determnar la equvalenca semántca de dos conjuntos de dependencas y poder elegr el menor de forma que la comprobacón de su satsfaccón sea más rápda Por otra parte, permte razonar sobre la descomposcón de relacones que se estuda en el tema Normalzacón Ejemplo 6 k 7

8 Es fácl ver que { Centro } { DreccónC, Teléfono} mplca { } { DreccónC} { Centro} { Teléfono} S a un centro le corresponden una dreccón y un teléfono Centro y determnados, en partcular tambén es certo que a ese centro le corresponde una dreccón, y que a ese centro le corresponde un teléfono Notacón: S X e Y son conjuntos de atrbutos, XY = X Y Para calcular el cerre de un conjunto de dependencas funconales se dspone de un conjunto de axomas de produccón denomnados Axomas de Armstrong en honor a la persona que los propuso Reflexvdad: S Y X, entonces X Y Aumentatvdad: S X Y, entonces XZ YZ 3 Transtvdad: S X Y e Y Z, entonces X Z Estos axomas son correctos en cuanto que dervan nformacón consstente con la defncón de dependenca funconal Además son completos porque permten deducr todas las consecuencas de un conjunto de dependencas funconales, es decr, su cerre Demostracón de la correccón: De la defncón de dependenca funconal trval Supongamos una relacón r que satsfaga X Y, y dos tuplas de r, t y t, que concden en XZ pero no concden en YZ Sólo es posble que dferan en X e Y, pero esto contradce X Y Por lo tanto, de la defncón de dependenca funconal, se debe cumplr XZ YZ 3 Por la defncón de dependenca funconal: de X Y se tene que t [ X] = t[ X] mplca t [ Y] = t[ Y], y de Y Z se tene que t [ Y] = t[ Y] mplca t [ Z] = t[ Z] Por lo tanto, s se tene que s t [ X] = t[ X] mplca t [ Z] = t[ Z], entonces, por la defncón de dependenca funconal, se cumple X Z Hay otras reglas de nferenca que se deducen de los axomas de Armstrong y que permten calcular más rápdamente el cerre de un conjunto de dependencas funconales 4 Autodetermnacón: X X 5 Unón: S X Y y X Z, entonces X YZ 6 Descomposcón: S X YZ, entonces X Y y X Z 7 Composcón: S X Y y Z W, entonces XZ YW 8 Pseudotranstvdad: S X Y e YZ W, entonces XZ W La autodetermnacón se sgue drectamente de la reflexvdad La unón y la descomposcón son duales Ejemplo 7 Dado el conjunto S de dependencas funconales: { A } { B, C} C, D E, F { } { } Se puede demostrar que { A D} { F} { A } { B, C}, dada { A} { C}, descomposcón { A, D} { C, D}, aumentatvdad, está en S : 8

9 { C D} { E, F} { A D} { E, F} { A D} { F},, dada,, transtvdad de las dos anterores,, descomposcón Se puede desarrollar un algortmo que calcule el cerre del conjunto de dependencas funconales a partr de sólo las tres prmeras reglas de nferenca aplcándolas repetdamente hasta que no se produzcan más dependencas funconales (se alcance el punto fjo) Este algortmo es seguro con respecto a la complettud de los axomas La demostracón de complettud necesta la nocón de cerre de un conjunto de atrbutos Sn embargo, tambén es un algortmo muy nefcente por la cantdad de dependencas funconales que se generan Ejemplo 8 Dado el conjunto de dependencas funconales: S = X B,, X { { } { } K B n El cerre de S ncluye todas las dependencas funconales X Y tales que Y B,,, es decr, n, demasado grande aunque S sea pequeño { } K B n 53 Cerre de un conjunto de atrbutos En la práctca no es necesaro en general calcular todo el cerre de un conjunto de dependencas Es más nteresante calcular el conjunto de las dependencas que tenen en su parte zquerda un conjunto especfcado de atrbutos El cálculo del cerre de un conjunto de atrbutos permte: Comprobar s una dependenca funconal se deduce de un conjunto de dependencas funconales sn necesdad de calcular su cerre Se puede determnar s su comprobacón es redundante para la ntegrdad de los datos Comprobar s un conjunto de atrbutos es superclave Asegura que el conjunto de atrbutos elegdo por el dseñador es adecuado para determnar unívocamente cada tupla de una relacón Permte determnar superclaves que se pueden usar como índce sn repetdos (algortmo de ndexacón más efcente) para el acceso a los datos medante consultas 3 Calcular un conjunto mínmo de dependencas funconales Útl para mantener la comprobacón de ntegrdad menos costosa Defncón 5 Cerre de un conjunto de atrbutos El cerre de un conjunto de atrbutos X con respecto a un conjunto de dependencas funconales S, denotado X, es el conjunto de atrbutos Y tales que X Y se puede S deducr de S En otras palabras, el cerre de un conjunto de atrbutos X es el conjunto de atrbutos Y determnados funconalmente por X Ahora se puede usar el sguente lema para asegurar el prmer punto anteror Lema : X Y se deduce de un conjunto de dependencas funconales S Demostracón: Y = B,, : B n Sea { } K Y X S 9

10 ) Supongamos Y X S Por la defncón de de todas las dependencas funconales X { B } X { B } ( X { B},, X { B n } X S se deduce en partcular el conjunto Por la regla de la unón para todas las K ) se deduce X Y ) Supongamos X Y Por la regla de descomposcón se deducen todos los X y, por tanto, Y X { } B S Algortmo 3 Algortmo smple para calcular el cerre de un conjunto de atrbutos Entrada: Conjunto de atrbutos X y un conjunto de dependencas funconales S Salda: X S Resultado := X whle cambos en Resultado do for each Y Z S do f Y Resultado then Resultado := Resultado Z Se puede demostrar que el algortmo es correcto y completo El algortmo tene una complejdad cuadrátca con la cardnaldad de S Exsten otros algortmos de complejdad lneal Estos aspectos se tratan en los ejerccos Corolaro Se puede determnar s una dependenca funconal X Y se deduce de un conjunto S de dependencas funconales s Y X Se puede determnar, por tanto, en tempo S lneal, s una dependenca funconal está en S Corolaro 3 Se puede determnar s un conjunto de atrbutos C es superclave de una relacón r bajo un conjunto de dependencas funconales S s todos los atrbutos de r pertenecen al cerre de C, es decr, s todos los atrbutos de la relacón están determnados funconalmente por C Además, será clave canddata s el conjunto de atrbutos C es rreducble (no hay nngún conjunto de cardnaldad menor que C tal que determne funconalmente todos los atrbutos de r ) Ejercco Proponer un algortmo para determnar el conjunto de claves canddatas de una relacón A contnuacón ya es posble defnr lo que es un recubrmento mínmo de dependencas o conjunto rreducble equvalente, que va a permtr mantener la ntegrdad defnda por un conjunto de dependencas funconales a coste mínmo 533 Recubrmentos mínmos de dependencas funconales Para defnr un recubrmento mínmo hay que defnr dos conceptos: el recubrmento de un conjunto de dependencas funconales y la equvalenca entre conjuntos de dependencas funconales Defncón 6 Recubrmento de un conjunto de dependencas funconales 0

11 Dados dos conjuntos de dependencas funconales S y S, se dce que S es un recubrmento de S s cada dependenca de S se deduce de S (es decr, se puede demostrar que cada dependenca de S está en el cerre de S ) Defncón 7 Equvalenca entre conjuntos de dependencas funconales Dos conjuntos de dependencas funconales S y S son equvalentes s S = S De forma alternatva se defne como: Dos conjuntos de dependencas funconales S y S son equvalentes s S es un recubrmento de S y S es un recubrmento de S La comprobacón de la equvalenca se hace usando el Corolaro Así, para cada dependenca funconal de S se comprueba s ésta pertenece al cerre de S De gual forma se procede con cada dependenca de S comprobando que pertenezca al cerre de S Defncón 8 Conjunto mínmo (o rreducble) de dependencas funconales Un conjunto S de dependencas funconales es rreducble s y solamente s cumple las sguentes propedades: La parte derecha de cada dependenca funconal de S tene sólo un atrbuto La parte zquerda de cada dependenca funconal de S es rreducble en el sentdo en que s se elmna algún atrbuto, necesaramente camba el cerre de S 3 No se puede elmnar nnguna dependenca funconal de S sn cambar su cerre Defncón 9 Recubrmento mínmo de un conjunto de dependencas funconales Al conjunto mínmo de dependencas funconales S equvalente a S se le denomna recubrmento mínmo de S Se puede demostrar que todo conjunto de dependencas funconales tene al menos un recubrmento mínmo, por lo que se plantea el sguente lema Lema Todo conjunto S de dependencas funconales tene un conjunto de dependencas funconales equvalente en el que el lado derecho de cada dependenca funconal tene un únco atrbuto Demostracón: X B,, se La regla de descomposcón asegura que una dependenca funconal { K B n } puede dvdr en n dependencas funconales X { B},, X { } B n K Teorema Todo conjunto S de dependencas funconales tene al menos un recubrmento mínmo Demostracón: Por la aplcacón del lema se obtene un conjunto T equvalente a S de manera que todas las partes derecha de sus dependencas funconales tenen un solo atrbuto X B T, X = A, K, se examna cada Para cada dependenca funconal { } { } atrbuto de X A : s la elmnacón de A n A de X no tene efecto sobre S, se elmna A

12 3 Para cada dependenca funconal restante, s su elmnacón no tene efecto sobre se elmna de T Como la aplcacón de estos pasos sempre elmna un atrbuto o una dependenca funconal, se alcanzará un conjunto de dependencas funconales que se ajuste a la defncón de recubrmento mínmo Ejemplo 9 { A } { B, C} { B} { C} { A} { B} { A, B} { C} { A, C} { D} Prmer paso: { A} { B} { A} { C} { B} { C} { A} { B} A, B C A, C D { } { } { } { } Antes de aplcar el segundo paso, vemos que se repte { } { B} conjunto resultado no se repte Segundo paso: - Se puede elmnar C de { A C} { D} aumentatvdad se obtene { A } { A, C} se deduce por transtvdad { A} { D} 3 Tercer paso: - Se puede elmnar { A B} { C} A B B, C A, por lo que en el, porque se tene { } { C}, como se tene tambén { A C} { D}, porque se tene { } { C} aumentatvdad se obtene {, } { }, y { A B} { C} - Se puede elmnar { A} { C} porque se tene { A} { B}, { } { C} transtvdad se obtene { A} { C} S, A, y por la regla de,, A, y por la regla de, por descomposcón B y por Se llega al recubrmento mínmo T de S en el que las partes derecha de las dependencas funconales tenen un solo atrbuto, las partes zquerda no son reducbles (ya que son untaras) y no se puede elmnar nnguna dependenca funconal sn alterar S : T = { A} { B}{, B} { C}{, A} { D } Para comprobar que no se puede elmnar nnguna dependenca funconal se usa el corolaro : B U = B C, A D - Se comprueba s { A} { } se puede deducr de { } { }{ } { } comprobando s { B} { A} U = { A, D}, que no se cumple - Se comprueba s { B} { C} se puede deducr de U = { A} { B}{, A} { D } comprobando s { C} { B} = U { B}, que no se cumple - Se comprueba s { A} { D} se puede deducr de U = { A} { B}{, B} { C } comprobando s { D} { A} U = { A, B, C}, que no se cumple

13 Por lo tanto, es rreducble 54 Dependencas multvaloradas Las dependencas multvaloradas son restrccones de ntegrdad que expresan relacones entre los atrbutos de un esquema que no pueden ser expresables con las dependencas funconales Ejemplo 0 En la sguente relacón se representan los empleados, sus domclos y teléfonos, asumendo que pueden tener más de una vvenda y teléfono, y que no se dspone nformacón acerca del tpo de teléfono, fjo o móvl, por lo que no se puede relaconar con un domclo Estos atrbutos son ndependentes entre sí Para mantener la relacón consstente es necesaro expresar todas las combnacones de los atrbutos Empleados Nombre Dreccón Teléfono Ana Almansa c/ Argentales Ana Almansa c/ Argentales Ana Almansa c/ Argentales 3 Ana Almansa c/ Amanel Ana Almansa c/ Amanel Ana Almansa c/ Amanel 3 Mentras que las dependencas funconales mpden que aparezcan certas tuplas en las relacones, las dependencas multvaloradas oblgan a ello Las dependencas multvaloradas aparecen cuando en un esquema de relacón hay varas relacones :N ndependentes entre sí Defncón 0 Dependencas multvaloradas Dados dos subconjuntos de atrbutos X e Y y un esquema R, la dependenca multvalorada X Y ( X multdetermna a Y ) especfca la sguente restrccón sobre la relacón r del esquema R : s exsten en r dos tuplas t y t tales que t [ X] = t[ X], entonces deben exstr dos tuplas, t 3 y t 4, tales que: X = t X = t X t X [ ] [ ] 3[ ] = [ ] [ Y] = t [ Y] y t [ Y] = t4[ Y] [ Z] = t [ Z] y [ Z] t [ Z] t 4 t 3 t 3 t = 4, donde Z = R ( X Y ) Esta defncón es más senclla de lo que parece s se observa el sguente gráfco En defntva se mponen todas las combnacones de los valores de los atrbutos Y y Z S Z es vacío o sus valores son úncos, necesaramente t = t3 y t = t4, es decr, estamos hablando sólo de dos tuplas X Y Z t t t 3 t 4 t t X Y Informalmente se dce que sempre que exstan dos tuplas con valores guales de X pero dstntos de Y, los valores de Y se deben repetr en tuplas separadas por cada 3

14 valor dstnto de Z En defntva, con esta restrccón se dce que la relacón entre X e Y es ndependente de la relacón entre X y Z Ejemplo En el ejemplo anteror se observan las restrccones multvaloradas { Nombre} { Dreccón} y { Nombre} { Teléfono} Debdo a la smetría de la defncón (se pueden ntercambar los papeles de Y y Z ) se deduce que s se cumple X Y, entonces tambén se cumple X Z, que se representa de forma compacta como X Y Z Defncón Dependencas multvaloradas trvales Una dependenca multvalorada X Y se denomna trval s Y X o X Y = R Se denomna trval porque no aporta nnguna restrccón relevante al esquema En el prmer caso, Y X, sólo se mpone que un subconjunto de los valores de X esté asocado sempre a los valores de X, lo cual es trvalmente certo El segundo caso se vo en la defncón de dependenca multvalorada 54 Reglas de nferenca para las dependencas multvaloradas Para las dependencas multvaloradas tambén se proponen axomas de produccón que permten calcular el cerre de un conjunto de ellas Reflexvdad para dependencas funconales: S Y X, entonces X Y Aumentatvdad para dependencas funconales: S X Y, entonces XZ YZ 3 Transtvdad para dependencas funconales: S X Y e Y Z, entonces X Z 4 Complemento para dependencas multvaloradas: S X Y, entonces X R ( X Y ) 5 Aumentatvdad para dependencas multvaloradas: S X Y y V W, entonces WX VY 6 Transtvdad para dependencas multvaloradas: S X Y e Y Z, entonces X ( Z Y ) 7 S X Y, entonces X Y 8 S X Y, Z Y y exste un W dsjunto de Y, entonces W Z y X Z Las tres prmeras son las msmas reglas que los axomas de Armstrong, las tres sguentes se referen a dependencas multvaloradas y las dos últmas se referen tanto a dependencas multvaloradas como funconales En concreto, la séptma se refere a que una dependenca funconal es un caso partcular de una dependenca multvalorada Se puede demostrar que este conjunto de reglas de nferenca es correcto y completo para calcular el cerre de un conjunto de dependencas, denotado por 55 Resumen - Las dependencas funconales permten mponer restrccones de ntegrdad que no son posbles de expresar con claves - Una dependenca funconal es una generalzacón del concepto de superclave - Se ha mostrado un procedmento que permte determnar el mínmo número de dependencas funconales necesaro para la comprobacón de la consstenca de una relacón a partr de un conjunto ncal de dependencas funconales Con este S 4

15 procedmento el dseñador de la base de datos tene una herramenta muy útl para mejorar el rendmento de sus dseños - Las dependencas multvaloradas permten asegurar la consstenca cuando se expresan atrbutos multvalorados ndependentes en un únco esquema de relacón - Las dependencas multvaloradas permten establecer relacones uno a varos y uno a uno entre los atrbutos de un esquema de relacón, mentras que las dependencas multvaloradas permten expresar relacones varos a varos - Las dependencas funconales y multvaloradas se usarán como herramenta fundamental en el proceso de normalzacón de esquemas Además son útles en la comprobacón de consstenca de relacones resultado de mgracones y de sstemas heredados Bblografía [ACPT00] [EN00] [SKS98] [Ull98] P Atzen, S Cer, S Parabosch y R Torlone, Database Systems Concepts, Languages and Archtectures, McGraw-Hll, 000 R Elmasr y SB Navathe, "Fundamentals of Data Base Systems", Addson- Wesley, 000 A Slberstachatz, Korth y Sudarshan, "Database System Concepts", McGraw- Hll, 00 Apartados 3-34 JD Ullman, "Prncples of Database and Knowledge Base Systems", Vol I y II, Computer Scence Press, 998 5

6.1 Introducción. 6.2 Redundancias y anomalías. Redundancia de datos. Tema 6: Normalización. Contenido:

6.1 Introducción. 6.2 Redundancias y anomalías. Redundancia de datos. Tema 6: Normalización. Contenido: Tema 6: Normalzacón Contendo: 6 Normalzacón 6.. Introduccón 6.. Redundancas y anomalías 6... Redundanca de datos 6... Anomalías de actualzacón 6..3. Obtencón de datos ncorrectos 6.3 Dependencas Funconales

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

1.1 Ejercicios Resueltos Tema 1

1.1 Ejercicios Resueltos Tema 1 .. EJERCICIOS RESUELTOS TEMA. Ejerccos Resueltos Tema Ejemplo: Probarque ++3+ + n 3 + 3 +3 3 + + n 3 n (n +) Ã n (n +)! - Para n es certa, tambén lo comprobamos para n, 3,... ( + ) + 3 (+) supuesto certa

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS.

TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS. GESTIÓN FINANCIERA. TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS. 1.- Funconamento de las cuentas bancaras. FUNCIONAMIENTO DE LAS CUENTAS BANCARIAS. Las cuentas bancaras se dvden en tres partes:

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

Matemática Financiera Sistemas de Amortización de Deudas

Matemática Financiera Sistemas de Amortización de Deudas Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas

Más detalles

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF) ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal UNIVRSIDAD AUTÓNOMA D NUVO ÓN FACUTAD D INGNIRÍA MCANICA Y ÉCTRICA Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente

Más detalles

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS 7 CAPÍTULO V ESTRUCTURAS ALGEBRAICAS Estructura Algebraca es todo conjunto no vacío en el cual se han defndo una o más leyes de composcón nterna, luego de cumplr certas propedades

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República. 9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

Adquisición y Tratamiento de Datos (Febrero 2005). 1ª parte: Cuestiones.

Adquisición y Tratamiento de Datos (Febrero 2005). 1ª parte: Cuestiones. Adquscón y Tratamento de Datos (Febrero 2005). Las cuestones: 1ª parte: Cuestones. Se deben responder en la hoja adjunta. Debe marcarse una únca respuesta. Por favor, leer los enuncados y las solucones

Más detalles

Smoothed Particle Hydrodynamics Animación Avanzada

Smoothed Particle Hydrodynamics Animación Avanzada Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla

Más detalles

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization) Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,

Más detalles

Clase 25. Macroeconomía, Sexta Parte

Clase 25. Macroeconomía, Sexta Parte Introduccón a la Facultad de Cs. Físcas y Matemátcas - Unversdad de Chle Clase 25. Macroeconomía, Sexta Parte 12 de Juno, 2008 Garca Se recomenda complementar la clase con una lectura cudadosa de los capítulos

Más detalles

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con

Más detalles

CANTIDADES VECTORIALES: VECTORES

CANTIDADES VECTORIALES: VECTORES INSTITUION EDUTIV L PRESENTION NOMRE LUMN: RE : MTEMÁTIS SIGNTUR: GEOMETRÍ DOENTE: JOSÉ IGNIO DE JESÚS FRNO RESTREPO TIPO DE GUI: ONEPTUL - EJERITION PERIODO GRDO FEH DURION 3 11 JUNIO 3 DE 2012 7 UNIDDES

Más detalles

Algoritmo para la ubicación de un nodo por su representación binaria

Algoritmo para la ubicación de un nodo por su representación binaria Título: Ubcacón de un Nodo por su Representacón Bnara Autor: Lus R. Morera González En este artículo ntroducremos un algortmo de carácter netamente geométrco para ubcar en un árbol natural la representacón

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Unidad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI

Unidad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI Undad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI 3.1. DINÁMICA DE LA GESTIÓN DE PROYECTOS. 3.1.1. GESTIÓN DE PROYECTOS. La gestón

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

Adaptación al NPGC. Introducción. NPGC.doc. Qué cambios hay en el NPGC? Telf.: 93.410.92.92 Fax.: 93.419.86.49 e-mail:atcliente@websie.

Adaptación al NPGC. Introducción. NPGC.doc. Qué cambios hay en el NPGC? Telf.: 93.410.92.92 Fax.: 93.419.86.49 e-mail:atcliente@websie. Adaptación al NPGC Introducción Nexus 620, ya recoge el Nuevo Plan General Contable, que entrará en vigor el 1 de Enero de 2008. Este documento mostrará que debemos hacer a partir de esa fecha, según nuestra

Más detalles

7. Transacciones y control de la concurrencia

7. Transacciones y control de la concurrencia Contendo: 7. Transaccones y control de la concurrenca 7.1. Conceptos báscos 7.1.1. Transaccón 7.1.2. Propedades ACID 7.1.2.1. Atomcdad 7.1.2.2. Consstenca 7.1.2.3. Aslamento 7.1.2.3.1. Nveles de aslamento

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

RESUELTOS POR M. I. A. MARIO LUIS CRUZ VARGAS PROBLEMAS RESUELTOS DE ANUALIDADES ANTICIPADAS

RESUELTOS POR M. I. A. MARIO LUIS CRUZ VARGAS PROBLEMAS RESUELTOS DE ANUALIDADES ANTICIPADAS PROBLEMAS RESUELTOS DE ANUALIDADES ANTICIPADAS. En las msmas condcones, qué tpo de anualdades produce un monto mayor: una vencda o una antcpada? Por qué? Las anualdades antcpadas producen un monto mayor

Más detalles

Guía de ejercicios #1

Guía de ejercicios #1 Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje

Más detalles

Análisis de Sistemas Multiniveles de Inventario con demanda determinística

Análisis de Sistemas Multiniveles de Inventario con demanda determinística 7 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 00 Análss de Sstemas Multnveles de Inventaro con demanda determnístca B. Abdul-Jalbar, J. Gutérrez, J. Scla Departamento de

Más detalles

INSTRUCTIVO No. SP 04 / 2002 INSTRUCTIVO PARA LA DETERMINACIÓN Y CÁLCULO DEL SALARIO BÁSICO REGULADOR

INSTRUCTIVO No. SP 04 / 2002 INSTRUCTIVO PARA LA DETERMINACIÓN Y CÁLCULO DEL SALARIO BÁSICO REGULADOR El Superntendente de Pensones, en el ejercco de las facultades legales contempladas en el artículo 13, lteral b) de la Ley Orgánca de la Superntendenca de Pensones, EMITE el : INSTRUCTIVO No. SP 04 / 2002

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1 CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

Disipación de energía mecánica

Disipación de energía mecánica Laboratoro de Mecáa. Expermento 13 Versón para el alumno Dspacón de energía mecáa Objetvo general El estudante medrá la energía que se perde por la accón de la uerza de rozamento. Objetvos partculares

Más detalles

Un modelo sencllo, dsponble y seguro Kontratazo publko elektronkoa públca electrónca Lctacones de Prueba: la mejor forma de conocer y domnar el Sstema de Lctacón Electrónca www.euskad.net/contratacon OGASUN

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades:

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades: DOMINIO Y RANGO página 89 3. CONCEPTOS Y DEFINICIONES Cuando se grafica una función eisten las siguientes posibilidades: a) Que la gráfica ocupe todo el plano horizontalmente (sobre el eje de las ). b)

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

Análisis de los datos

Análisis de los datos Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización

Más detalles

Índice de Precios de las Materias Primas

Índice de Precios de las Materias Primas May-15 Resumen Ejecutvo El objetvo del (IPMP) es sntetzar la dnámca de los precos de las exportacones de Argentna, consderando la relatva establdad en el corto plazo de los precos de las ventas externas

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización. Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón

Más detalles

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN 1 CÁLCULO DE LOS FLUJOS NETOS DE CAJA Y TOMA DE DECISIONES DE INVERSIÓN PRODUCTIVA Peculardades

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

Más detalles

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

RESISTENCIAS EN SERIE Y LEY DE LAS MALLAS V 1 V 2 V 3 A B C

RESISTENCIAS EN SERIE Y LEY DE LAS MALLAS V 1 V 2 V 3 A B C RESISTENCIS EN SERIE Y LEY DE LS MLLS V V 2 V 3 C D Fgura R R 2 R 3 Nomenclatura: Suponemos que el potencal en es mayor que el potencal en, por lo tanto la ntensdad de la corrente se mueve haca la derecha.

Más detalles

1.DISPOSICIONES GENERALES

1.DISPOSICIONES GENERALES 1.DISPOSICIONES GENERALES CONSEJERÍA DE ECONOMÍA, HACIENDA Y EMPLEO Orn HAC/19/2011, 18 julo, por la que se modfca la orn 19 dcembre 2001, por la que se aprueban los molos documentos ngreso 046 y 047.

Más detalles

Aplicaciones lineales continuas

Aplicaciones lineales continuas Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A.

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. PERÍODO 201-2020 Introduccón Las Bases Técnco Económcas Prelmnares, en

Más detalles

1. Introducción 2. El mercado de bienes y la relación IS 3. Los mercados financieros y la relación LM 4. El modelo IS-LM

1. Introducción 2. El mercado de bienes y la relación IS 3. Los mercados financieros y la relación LM 4. El modelo IS-LM Tema 4 Los mercados de benes y fnanceros: el modelo IS-LM Estructura del Tema 1. Introduccón 2. El mercado de benes y la relacón IS 3. Los mercados fnanceros y la relacón LM 4. El modelo IS-LM 4.1 La polítca

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

Trabajo Especial 2: Cadenas de Markov y modelo PageRank

Trabajo Especial 2: Cadenas de Markov y modelo PageRank Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E

Más detalles

MATEMÁTICA DE LAS OPERACIONES FINANCIERAS I

MATEMÁTICA DE LAS OPERACIONES FINANCIERAS I MATEMÁTICA DE LAS OPERACIONES FINANCIERAS I CURSO 0/04 PRIMERA SEMANA Día 7/0/04 a las 6 horas MATERIAL AUXILIAR: Calculadora fnancera DURACIÓN: horas. a) Captal fnancero aleatoro: Concepto. Equvalente

Más detalles

Tema 3: Adaptadores de Señal

Tema 3: Adaptadores de Señal Tema 3: Adaptadores de Señal Sstema GENERAL de nstrumentacón (bloques( funconales): Señal sensor Fltrado, A/D Amplfcacón Rado, nternet bus de datos Medo Sensor prmaro Transductor de entrada Adaptacón de

Más detalles

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1 . ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio

Más detalles

Qué es la EN81-28? Atrapado en el ascensor?

Qué es la EN81-28? Atrapado en el ascensor? Qué es la EN81-28? Atrapado en el ascensor? www.safelne.se La podemos ayudar! Hsselektronk desarrolla y produce electrónca para ascensores. Nuestra gama de productos consste prncpalmente en teléfonos de

Más detalles

Ingeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007

Ingeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007 Enunciado Se desea efectuar el testing funcional de un programa que ejecuta transferencias entre cuentas bancarias. El programa recibe como parámetros la cuenta de origen, la de cuenta de destino y el

Más detalles

PARTE 3 ECUACIONES DE EQUIVALENCIA FINANCIERA T E M A S

PARTE 3 ECUACIONES DE EQUIVALENCIA FINANCIERA T E M A S PARTE 3 ECUACIONES DE EQUIVALENCIA FINANCIERA Valor del dinero en el tiempo Conceptos de capitalización y descuento Ecuaciones de equivalencia financiera Ejercicio de reestructuración de deuda T E M A

Más detalles

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL

Más detalles

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología

Más detalles

Aproximación local. Plano tangente. Derivadas parciales.

Aproximación local. Plano tangente. Derivadas parciales. Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación

Más detalles

ADENDA 008 LICITACIÓN L-CEEC-001-12

ADENDA 008 LICITACIÓN L-CEEC-001-12 ADENDA 008 LICITACIÓN L-CEEC-001-12 OBJETO: CONTRATACIÓN DE LA CONSTRUCCIÓN DE LA FASE I DEL RECINTO FERIAL, DEL CENTRO DE EVENTOS Y EXPOSICIONES DEL CARIBE PUERTA DE ORO POR EL SISTEMA DE ECIOS UNITARIOS

Más detalles

Restricciones de Autorización en Sistemas de Gestión de Workflow.

Restricciones de Autorización en Sistemas de Gestión de Workflow. Restrccones de Autorzacón en Sstemas de Gestón de Workflow. Juan J. Moreno Qunteros 1, Martín Sorondo Peyre 2. Lus Joyanes Agular 3, 1 Uruguayo. Unversdad Pontfca de Salamanca, Campus de Madrd, Facultad

Más detalles

La ventana de Microsoft Excel

La ventana de Microsoft Excel Actividad N 1 Conceptos básicos de Planilla de Cálculo La ventana del Microsoft Excel y sus partes. Movimiento del cursor. Tipos de datos. Metodología de trabajo con planillas. La ventana de Microsoft

Más detalles

MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO

MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO INTRODUCCION Gestón de Servcos de TI: Entrega de servcos de TI, que cumplan con los requstos del negoco, de una caldad aceptable

Más detalles

La explicación la haré con un ejemplo de cobro por $100.00 más el I.V.A. $16.00

La explicación la haré con un ejemplo de cobro por $100.00 más el I.V.A. $16.00 La mayor parte de las dependencias no habían manejado el IVA en los recibos oficiales, que era el documento de facturación de nuestra Universidad, actualmente ya es formalmente un CFD pero para el fin

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo

Más detalles

Estructura de tabla. Crear una tabla de base de datos. Paso previo a la creación i

Estructura de tabla. Crear una tabla de base de datos. Paso previo a la creación i Estructura de una tabla Estructura de tabla Access 2016 Crear una tabla de base de datos Paso prevo a la creacón Una tabla es un conjunto de datos estructurados. Esta estructura se basa en un elemento

Más detalles

5.8. REGISTRO DE FACTURAS.

5.8. REGISTRO DE FACTURAS. 5.8. REGISTRO DE FACTURAS. Una factura es un documento probatorio de la realización de una operación económica que especifica cantidades, concepto, precio y demás condiciones de la operación. Este módulo

Más detalles

Relaciones entre las tablas

Relaciones entre las tablas Relacones entre las tablas Relacones entre las tablas Access 2013 Establecer una relacón entre dos tablas Los dstntos tpos de relacones entre tablas Establecer una relacón entre las tablas de la base de

Más detalles

Divisibilidad y números primos

Divisibilidad y números primos Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos

Más detalles

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA 35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE

Más detalles

CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D.

CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D. CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 0 Ing. Dego A. Patño G. M.Sc, Ph.D. Solucón de la Ecuacón de Estado Solucón de Ecuacones de Estado Estaconaras: Para el caso estaconaro (nvarante en el tempo),

Más detalles

En cualquier caso, tampoco es demasiado importante el significado de la "B", si es que lo tiene, lo interesante realmente es el algoritmo.

En cualquier caso, tampoco es demasiado importante el significado de la B, si es que lo tiene, lo interesante realmente es el algoritmo. Arboles-B Características Los árboles-b son árboles de búsqueda. La "B" probablemente se debe a que el algoritmo fue desarrollado por "Rudolf Bayer" y "Eduard M. McCreight", que trabajan para la empresa

Más detalles

Tema 7: Variables Ficticias

Tema 7: Variables Ficticias Tema 7: Varables Fctcas Máxmo Camacho Máxmo Camacho Econometría I - ADE+D /2 - Tema 7 Varables fctcas Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema 2: El modelo de regresón

Más detalles

COMPARADOR CON AMPLIFICADOR OPERACIONAL

COMPARADOR CON AMPLIFICADOR OPERACIONAL COMAADO CON AMLIFICADO OEACIONAL COMAADO INESO, COMAADO NO INESO Tenen como msón comparar una tensón arable con otra, normalmente constante, denomnada tensón de referenca, dándonos a la salda una tensón

Más detalles

GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES

GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es

Más detalles

La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx

La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx Resumen Se dan algunas definiciones básicas relacionadas con la divisibilidad

Más detalles

Calorimetría - Soluciones. 1.- Cuántas calorías ceden 5 kg de cobre (c = 0,094 cal/g C) al enfriarse desde 36 o C hasta -4 C?

Calorimetría - Soluciones. 1.- Cuántas calorías ceden 5 kg de cobre (c = 0,094 cal/g C) al enfriarse desde 36 o C hasta -4 C? Calormetría - Solucones 1.- Cuántas calorías ceden 5 kg de cobre () al enfrarse desde 3 o C hasta -4 C? m = 5 kg = 5.000 g T = 3 C T f = - 4 C = - T = - (T f T ) = - 5.000 g 0,094 cal/g C (-4 C 3 C) =

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles